פרופ׳ שלמה מנדלוביץ
בעשורים האחרונים חלה עלייה דרמטית בשימוש במערכות בינה מלאכותית (AI) במערכת הבריאות, ובמיוחד בתחום בריאות הנפש. מערכות אלו מסוגלות לבצע הערכה קלינית, לזהות מצבי סיכון, ללוות בתהליכי מעקב והתערבות, ואף להציע משוב טיפולי בזמן אמת. מגמה זו מלווה בציפיות גבוהות ליצירת מהפכה מחקרית וקלינית, אך גם בשורה של חששות כבדי משקל. בראשם ניצב הפחד מפני צמצום ואף גריעה של הממד האנושי מהטיפול, והחלפתו במערכות אוטונומיות נטולות נוכחות חיה, אמפתיה ויכולת לשאת את המורכבות הלא-מודעת. חשש זה מתעצם לאור התפתחותם של צ’אטבוטים טיפוליים, שלעיתים מוצגים כתחליף למפגש הבין-אישי, אך עלולים לפגוע באמון משתמשיהם, להנציח תלות ולהסתיר טעויות.
במטרה להתמודד עם האתגרים הללו, התפתחו שתי מגמות מרכזיות: האחת, בינה מלאכותית ניתנת להסבר (Explainable AI [XAI]), המאפשרת שקיפות, ביקורתיות ואחריותיות (accountability), ובכך מגבירה את אמון המשתמשים ומכבדת עקרונות אתיים ברפואה; השנייה, קבלת החלטות משותפת (SDM), המעמידה את המטופל כשותף פעיל בבחירת מהלך הטיפול, ומקדמת שוויון, אוטונומיה ושיתוף אמיתי. שילוב של XAI ו-SDM יכול ליצור מסגרת שבה הטכנולוגיה אינה מחליפה את המטפל אלא פועלת לצדו, תוך שמירה על מרכזיותו של המטופל ועל הממד האנושי שבטיפול.
על רקע זה מציע המאמר את מודל ממדי הנפש כמודל אופרציונלי המספק תשתית תיאורטית ויישומית למימוש "נוסחת הקסם": שילוב XAI עם SDM. המודל מתאר חמישה ממדים בסיסיים של הנפש (פעולה, מחשבה, רגש, חוויה, הוויה) ועקרונות-מעבר המכוונים את הדינמיקה ביניהם. השימוש במודל מדגים כיצד ניתן לפתח מערכות AI טיפוליות שמאפשרות שקיפות, שותפות ואתיקה, וזאת מבלי לוותר על העומק האנושי של התהליך הפסיכותרפי.
בתקופה האחרונה, טכנולוגיות מבוססות AI תופסות מקום משמעותי בתהליכים קליניים בתחום בריאות הנפש בהיבטי האבחון (לרבות זיהוי מצבי סיכון), המעקב, מתן המשוב (feedback) וההתערבות (Cruz-Gonzalez et al., 2025). מהלך זה מעורר סוגיות כבדות משקל. מחד, השימוש בבינה מלאכותית בתחום בריאות הנפש עשוי לקדם את תחום בריאות הנפש ולא אחת מוצג ככוח טרנספורמטיבי הצפוי לחולל מהפכה בפרקטיקה ובמחקר בתחום זה. מאידך, הוא מעורר שאלות תיאורטיות ואתיות, שהראשונה שבהן נעוצה בחשש שבינה מלאכותית עלולה לבשר (ואולי אף לממש) את גריעתו של הממד האנושי בטיפול (Buhr et al., 2025).
הדבר רלוונטי ביותר למערכות בינה מלאכותית שלא מערבות כלל גורם אנושי, כלומר, מערכות הפועלות באופן אוטונומי לחלוטין, מחליפות את נוכחות המטפל האנושי ומספקות למטופל את כל רצף ההתערבות (הערכה, מתן משוב, הצעת כיווני טיפול, ואפילו תמיכה רגשית). פרנסס (2025) מתריע מפני השתלטות צ'אטבוטים מבוססי AI על תחום הפסיכותרפיה, ומדגיש את הסכנות שבהפחתת המגע האנושי, יצירת תלות, פגיעה באמון, והסתרת טעויות. מכאן המלצתו להכשיר מטפלים לעבוד לצד מערכות בינה מלאכותית, וזאת תוך שמירה על הפן האנושי המצוי בבסיסו של הטיפול הנפשי.
בינה מלאכותית ניתנת להסבר (Explainable AI; XAI) מתייחסת למערכות בינה מלאכותית שיש להן יכולת לספק הסברים ברורים ומובנים לפעולותיהן ולהחלטותיהן (European Data Protection Supervisor, 2023). קומבי ושותפים (2022) מציעים הגדרה מושגית (conceptual) ומעשית (functional) לבינה מלאכותית ניתנת להסבר (XAI) ברפואה: מערכת בינה מלאכותית שיש לה את היכולת לתת הסברים ברורים, נגישים ורלוונטיים למשתמשים בה, כך שניתן יהיה להבין, לבקר ולסמוך על תוצרי המערכת בתהליכי קבלת החלטות רפואיות. הם מדגישים כי ההסבר צריך להיות מותאם להקשר, לקהל היעד (מטופל, מטפל, רגולטור) ולמטרת השימוש, תוך שמירה על שקיפות, פרשנות, ואחריותיות.
על פי קומבי ושות', מערכת XAI בתחום הרפואה אמורה לעמוד ב-7 תנאים הכרחיים:
1. סוכנות אנושית ופיקוח: המערכת מבטיחה שלמשתמש תהיה שליטה על תהליכי קבלת ההחלטות של המערכת, כולל אפשרות להתערבות, ביקורת והפסקת השימוש במערכת בעת הצורך. גישה זו מוכרת בעולם ה-AI כHuman-in-the-loop, שילוב מכוון ומתמשך של גורם אנושי בתוך מעגל קבלת ההחלטות והבקרה של המערכת (Chandler et al., 2022).
2. עמידות טכנית ובטיחות: המערכת צריכה להיות אמינה, עמידה בפני כשלים, ולשמור על בטיחות המטופל בכל שלבי השימוש, תוך זיהוי וניהול סיכונים טכנולוגיים.
3. פרטיות וניהול נתונים: המערכת אמורה להגן על פרטיות המטופלים ומנהלת את הנתונים באופן אתי, מאובטח ושקוף, בהתאם לדרישות רגולטוריות.
4. שקיפות: המערכת צריכה לספק הסברים ברורים ונגישים לגבי אופן פעולתה, מקורות הנתונים, וההיגיון שמאחורי ההמלצות או התחזיות שלה.
5. גיוון, אי־הפלייה והוגנות: מובטח שהמערכת אינה מפלה אוכלוסיות מסוימות, פועלת באופן הוגן, ומבוססת על נתונים מגוונים המייצגים את כלל האוכלוסייה.
6. רווחה חברתית וסביבתית: המערכת נבחנה להשפעות החברתיות והסביבתיות שלה, והשימוש בה נעשה באופן שהיא תורמת לרווחת הציבור ולא פוגעת בו.
7. אחריותיות (accountability): המערכת מבטיחה שמתקיימת אחריות ברורה, שקופה ומעשית על כל צעד, מהפיתוח, דרך היישום, ועד לאינטראקציה עם המטופל.
ניתן לומר שבינה מלאכותית ניתנת להסבר בכוחה להתגבר, או למתן, את מגרעותיה של הבינה המלאכותית שאינה ניתנת להסבר (AI מסוג "black box") בכך שהיא משפרת את שקיפות אופן הפעולה, ומגבירה בכך את אמון המשתמשים בה (Markus et al., 2021). זאת, בין אם מדובר במודלים ניתנים לפירוש (Interpretable models, כגון מודלים שיכולים לשקף למשתמש איזה חלק מהמידע שקיבלה המערכת היה המשמעותי ביותר עבור ההחלטה שהתקבלה, או לבסס את החלטות המערכת על דוגמאות), בהסברי פוסט-הוק (החלת טכניקות הסבר על מודלים מסוג "קופסה שחורה"), בהסברים גלובליים (Global explainability, הסבר של המודל כולו) או מקומיים (Local explainability, הסבר של תחזיות בודדות).
כל אלו עשויים לאפשר חווית-משתמש שיש בה "מובנות" (Understandability), כלומר חוויה שבה המשתמש חש שהמערכת "שקופה" לו (Transparency, "אני, כמשתמש, יכול לראות את המבנה הפנימי של המודל") ושהוא יכול לפרש אותה (interpretability, "אני מסוגל להבין את האופן שבו המערכת פועלת") (Joyce et al., 2023).
מעבר ליתרונות הקליניים, יש לציין שלהסבריות (Explainability) של מערכות XAI יתרונות טכנולוגיים, משפטיים ורפואיים-אתיים (Amann et al., 2020). בהיבט הטכנולוגי, הסבריות עשויה להאיץ של פיתוחן של מערכות יעילות יותר; בהיבט המשפטי, הסבריות משפרת את יכולתו של המטופל לתת הסכמה מודעת לטיפול אותו הוא עובר, משפרת את ההסמכה והאישור של מערכות בינה מלאכותית כמכשור רפואי, ומבהירה בצורה טובה יותר את האחריות המשפטית שיש בשימוש במערכות בינה מלאכותית בתחום בריאות הנפש; בהיבט הרפואי-אתי, הסבריות במערכות בינה מלאכותית מכבדת ערכים אתיים מרכזיים ברפואה.
קבלת החלטות משותפת (Shared Decision Making; SDM) בתחום בריאות הנפש עניינה בשיתוף פעולה בין קלינאים למטופלים בקבלת החלטות טיפוליות (Slade, 2017). על פי רוב, שיתוף הפעולה שבין המטופל למטפל ב-SDM נוגע בשלושה היבטים של הטיפול: שיתוף במידע, דיון באפשרויות הטיפול והשגת החלטה משותפת בדבר אופן הטיפול במטופל. יתרונות ה-SDM הם רבים, וכוללים שיפור בשביעות רצון המטופלים, הגברת ההיענות לטיפול התרופתי והפסיכולוגי, שיפור איכות החיים, והפחתת שיעורי אשפוז חוזר. בנוסף, SDM תורמת להעצמת המטופל, חיזוק תחושת השליטה והאוטונומיה, שיפור הקשר הטיפולי, והגברת אמון המטופל בצוות המטפל.
SDM מאפשרת את התאמת הטיפול להעדפות ולערכים האישיים של המטופל, מהלך שביכולתו להוביל לטיפול מותאם אישית ולתוצאות טובות יותר. כך, קבלת החלטות משותפת מסייעת גם בהפחתת פערים תרבותיים ואתניים בטיפול, ומקדמת שותפות אמיתית בין מטופלים, משפחות וצוותים רב-מקצועיים (Chmielowska et al., 2023). לצד זאת, יש לציין כי קיימים אתגרים ביישום SDM, ובין אלו סטיגמה עצמית וחברתית הפוגעות ביכולת המטופלים להשתתף בהחלטות טיפוליות, פערי כוח אדם ומגבלות זמן, עומס סימפטומטי וספקנות ביכולת להשפיע על החלטות רפואיות (Mertens et al., 2025).
במאמר סקירה מקיף, ויטגר ושות' (2021) הראו ששילוב SDM במערכות דיגיטליות המספקות פסיכותרפיה תורם לשימור ההיבטים האנושיים והאמפתיים בטיפול נפשי. בסקירה שיטתית ומטא־אנליזה של 16 מחקרים אקראיים מבוקרים (RCTs) עם כ-2,400 משתתפים, נמצאו השפעות חיוביות מתונות של SDM בהיבטי הפעלת מטופלים (patient activation), עומס סימפטומטי, הברית הטיפולית, והפחתת קונפליקט בקבלת החלטות. לא נמצאו השפעות על תחושת מסוגלות, שביעות רצון או תופעות לוואי. מסקנת המאמר היא כי יש לראות בשילוב SDM במערכות של פסיכותרפיה דיגיטלית כלי מבטיח. עם זאת, בעת זו איכות הראיות לכך מצומצמת, ויש צורך במחקר נוסף בתחום.
לשילוב SDM במערכות פסיכותרפיה נתמכת בבינה מלאכותית יש היבט אתי, שכן ההחלטה המתקבלת צריכה לעמוד בעקרונות האתיים המרכזיים, כמו טובת המטופל, פרטיות, שקיפות ויושרה מדעית. ה-Integrated Ethical Approach for Computational Psychiatry (IEACP) שיצרו פוטיקה ושות' (2025) היא מסגרת אתית שפותחה כדי להתמודד עם הדילמות שמציב השימוש ב-AI בבריאות הנפש. המסגרת מתייחסת לחמישה שלבים בהתמודדות עם דילמה ובקבלת החלטה מושכלת: זיהוי הדילמה, ניתוח הדילמה, קבלת ההחלטות, יישום הדילמה, לבסוף שלב הסקירה והרפלקציה. לטענת מפתחי המערכת, רצף זה מסייע בקבלת החלטה מושכלת ובעמידה בעקרונות האתיים המרכזיים, תוך שיתוף פעולה עם המטופל (על אף שהמונח SDM אינו מוזכר בה ישירות).
בהינתן דברים אלו, שילוב תהליכי קבלת החלטות משותפת במערכות טיפוליות הנתמכות בבינה מלאכותית הוא בעל ממד אתי מכריע, שכן שילוב של מודל SDM מובחן יכול לסייע בשמירה על העקרונות האתיים ועל מעורבות המטופל. עם זאת, נציין כי הערך של שילוב SDM במערכות פסיכותרפיה הנתמכות בבינה מלאכותית מצוי עדיין בבחינה ראשונית. בעוד שהמידע על האופן שבו בינה מלאכותית עשויה לתמוך בקבלת החלטות משותפת (בהיבטי האבחון והחיזוי ועד לבחירת טיפול ועזרה עצמית) הוא יחסית רב (Auf et al., 2025), הידע לגבי היתרונות האפשריים של שילוב SDM במערכות פסיכותרפיה מבוססות-בינה מלאכותית הוא, כאמור, מצומצם.
אל מול הקשיים הפוטנציאליים שבשילוב מערכות AI בתחום בריאות הנפש בכלל, והפסיכותרפיה בפרט, מתבהרת לה "נוסחת קסם", אותה ניתן לנסח כך:
XAI+SDM=Psychotherapy-Δ
נוסחה זו קובעת כי שילוב של בינה מלאכותית ניתנת להסבר (XAI) ומנגנון של קבלת החלטות משותפת (SDM) עשוי להבטיח שהמערכת בה נעשה שימוש אינה יוצאת מגדר שליטתו של המטופל, אלא מותירה אותו במרכזה. זאת, מכוח הבנתו את אופן פעולתה ומכוח שיתופו בקבלת ההחלטות בה. אם כן, מערכת כזו עשויה להציע פסיכותרפיה, אבל כזו שתהא חסרה בדברים שרק מטפל אנושי יוכל להעניק, כמו נוכחות גופנית וחווייתית חיה, התמסרות, אחריות מוסרית, פגיעות הדדית, יכולת לשאת את הלא־מודע וסובייקטיביות כנה. בנוסחה, פער זה מיוצג על ידי האות הלטינית Δ.
מודל ממדי הנפש הוא מודל אופרציונלי, כלומר מודל שמטרתו לתרגם מערכת מורכבת למודל שניתן ליישום, המאפשר לבנות מערכת העונה על "נוסחת הקסם" המבוקשת. המודל מהווה אינטגרציה של המשגות קליניות ומחקריות שונות, כדוגמת ה-MATRIX (מור ושות', 2021), וביכולתו לאפשר את דיוקה של הפעולה הטיפולית (Mendlovic, 2025). מודל הממדים הוא בחזקת דוגמא, ואין לראות במודל זה עדיפות על מודלים אחרים, אשר ניתן לשלבם בממשק שבין בינה מלאכותית לפסיכותרפיה.
הממד הוא אופן תפקוד של הנפש, המארגן קשב, עיבוד והשפעה סביב תחום מוגדר. מודל ממדי הנפש יוצר חלוקה לחמישה ממדים מוגדרים:
• ממד הפעולה: מתאר את "מה שהאדם עושה בעולם". הוא כולל התנהגויות מכוונות מטרה, הקשורות במחשבה, רגש, חוויה והוויה. זהו הממד הגלוי בחיי היום־יום, הפועל הן כפלט של הנפש והן כגורם משפיע על הדינמיקה הפנימית והבין־אישית.
• ממד המחשבה: עוסק במחשבות הניתנות לניסוח. אף שיש גם מחשבות לא מודעות או ראשוניות, ההגדרה מוגבלת למחשבות שהן ברות-ניסוח. ממד זה נגיש יחסית ומשפיע על התנהלותנו, שכן אנו עוסקים תדיר במחשבות, דילמות והרהורים.
• ממד הרגש: כולל רגשות מנוסחים המופנים כלפי חוץ, כלומר כלפי מישהו או משהו. אמנם רגשות רבים נותרים בלתי מנוסחים, אך במודל הממדים ההגדרה מתמקדת ברגשות אותן מסוגל האדם לנסח. הרגשות כלפי הסביבה הקרובה והרחוקה הם רכיב מרכזי בחיינו ולעיתים אף מכריעים את שאר הממדים.
• ממד החוויה: מכוון פנימה ומתאר את האופן שבו אנחנו חווים את עצמנו, גם באופן שאינו מנוסח. החוויה התוך־אישית נוכחת תמיד, אם כי רק לעיתים אנחנו מודעים לה.
• ממד ההוויה: הוא התשתית הסמויה והיציבה המגדירה את טווח האפשרויות של הנפש. ממד זה קשה לניסוח, אך הוא המכריע את זהותנו המתמשכת.
הממדים השונים מקיימים בניהם מערכת יחסים מורכבת, שניתנת להפשטה בקביעת "מפל הממדים", ארגון אשר מתאר את כיוון הזרימה והמעבר בין הממדים השונים. תחילתו בהוויה (הבסיס הקיומי, היסוד היציב שמגדיר את מרחב-האפשרות של הנפש), המשכו בחוויה (החוויה הפנימית הלא מנוסחת), לאחר מכן ברגש (תחושה מופנית כלפי אובייקט וניתנת לניסוח), אחר כך במחשבה (עיבוד קונספטואלי ופורמולטיבי של הממדים שקדמו לו), וסופו בפעולה (מימוש גלוי בעולם).
מחקרים שונים מציעים (אם באופן ישיר ואם באופן עקיף) חמישה עקרונות פעולה המנחים את היחסים בין הממדים:
• עיקרון הדומיננטיות: בכל רגע תשומת הלב ממוקדת בממד אחד בלבד.
• עיקרון הרצף: התנועה במפל היא בין ממדים סמוכים בלבד, ללא דילוגים.
• עיקרון הגירוי: הממדים נמצאים בשיווי משקל, והשינוי בהם מחייב השפעה חיצונית.
• עיקרון המשיכה ההדדית: במפגש בין שניים, כל צד מושך את האחר לממד שבו הוא מצוי.
• עיקרון הגמישות: ניעות חופשית בין הממדים היא ביטוי לבריאות נפשית ויכולת הסתגלות.
מודל ממדי הנפש מאפשר להניע פסיכותרפיה מונחית-בינה-מלאכותית, המקיימת את "נוסחת הקסם". מרכיב ה-XAI נענה היות והתערבויות הבינה המלאכותית הן מוסברות מכוח עקרונות הפעולה של ממדי הנפש, ומשכך הן "שקופות" (היות והמטופל יודע כיצד המערכת מגיבה) ונתונות לפרשנות (היות והמטופל יודע מדוע המערכת מגיבה באופן מסוים). מרכיב ה-SDM נענה היות ושיח-מונחה-בינה-מלאכותית יכול לשלב בתוכו בנקל קבלת החלטות משותפת. לדוגמה, המערכת יכולה לבקש את הנחייתו של המטופל בתחילת השיחה עד כמה ברצונו לאתגר את השיח (על ידי תנועה בין ממדים), ובמהלך השיחה להיוועץ האם ברצונו להעמיק בממד מסוים, ואם כן, מהו אותו ממד בר-עניין. לכן, מערכת כזו עשויה לנצל את כוחה של הבינה המלאכותית, מבלי לגרוע ממרכזיותו של המטופל בה.
שילוב בינה-מלאכותית מוסברת (XAI) הנתמכת במנגנון של קבלת החלטות משותפת (SDM) מתווה מבנה אפשרי למערכת שמציעה פסיכותרפיה מכוונת בינה מלאכותית. מערכת כזו מסבירה את אופן פעולתה, מבקשת מהמטופל להכריע עד כמה הוא רוצה שיח פרשני ומאתגר (או לחילופין, שיח מהדהד ומאשרר), ומניעה שיח שהמטופל שותף בהכוונתו. ברקע, מערכת בינה מלאכותית בוחנת את הממדים בהם השיח פועל, כמו גם היענותו של השיח לעקרונות הפעולה של הממדים, על מנת להציע למטופל התערבות מתאימה ככל האפשר על פי מודל זה.
בתדירות אותה קבע המטופל מראש בתחילת השיח, המערכת מגישה למטופל ניתוח של השיח. ניתוח זה מפרט עבור המטופל מהם הממדים המרכזיים הנוכחים בשיח מצד המטופל ומצד המערכת, כמו גם עד כמה תנועת הממדים לאורך השיח נענית לעקרונות הפעולה של הממדים. לאחר מכן, המטופל מתבקש להחליט מהי העדפתו לגבי אופן המשך פעולתה של המערכת. כך ממשיך השיח, עד לסיום המפגש לאחר מספר פעימות-השיח (utterances) אשר נקבע מראש.
הטבלה הבאה מציגה מתווה כללי לפסיכותרפיה מונחית בינה מלאכותית אשר מבוססת על מודל ממדי הנפש, לצד משמעות השלבים השונים והאופן בו הם מממשים את עקרונות ה-XAI וה-SDM:
שילוב מודל הממדים במערכות XAI יכול להתקיים בארבע רמות: כסימולטור למטפלים (כלומר, ככלי שיאפשר תרגול ותגובה בהתאם לכללי המודל, כולל תיקון שגיאות), כמדריך (supervisor) דיגיטלי (שעוקב אחרי מטפל אמיתי, מנתח סטיות מהמודל ומציע חלופות), כמטפל אוטונומי חלקי (שנעשה בו שימוש במצבים פשוטים או מבוקרים, לדוגמא כמוטמע במערכות self-help פשוטות), או כמטפל אוטונומי מלא (המנהל את הטיפול כולו ללא מעורבות אנושית).
לעת זו, מטעמים קליניים, אתיים ורגולטורים, מודלים דוגמת מודל הממדים נזהרים מלהציע טיפול אוטונומי מלא, ומצטמצמים להיותם "מנוע לוגי-טיפולי" התומך בטיפול אנושי, אך נמנע מלנהל אותו. כך, מודל הממדים מאפשר למטפל, או למדריך המלווה אותו, לבחון מקטעים ייחודים בשעות הטיפוליות, לזהות בו את הממדים השונים, לשרטט את מהלך הממדים ולבדוק האם אלו עונים על עקרונות ממדי הנפש, ואף להציע אופני התערבות אחרים, אשר מדייקים את הפעולה הטיפולית בכל הנוגע לממדי הנפש והעבודה עימם.
על מנת להדגים את כוחה של הבינה המלאכותית ככלי-עזר לדיוקו של הטיפול במודל הממדים, נבנה agent (מערכת תוכנה אוטונומית שפועלת בתוך סביבה מוגדרת) המאפשר לנהל עם מטפל (או עם מדריך) שיח שעניינו קידוד הממדים, ואף להציע התערבויות מותאמות (Mendlovic, 2025). הדבר מאפשר חידוד של הממדים ואפשרויות העבודה עימם במקטעי טיפול משמעותיים.
ההתנסות ב-agent של מודל הממדים לצורך דיוק הפעולה הטיפולית היא פשוטה. ראשית, על המטפל (או המדריך) לבחור מקטע משמעותי שברצונו לנתח. פעמים רבות זהו מקטע שיש בו קושי, כגון הפרעה משמעותית של הברית הטיפולית, התגלות קרע [rupture] של ממש (Eubanks, 2022), או לחילופין, רגע שיש בו הפצעה של אותנטיות התייחסותית (Békés & Hoffman, 2020) או של תחושת-'ביחד' (Eshel, 2019). אורך הקטע המומלץ הוא כ-15-20 אמירות (utterances) מטופל-מטפל.
לאחר בחירת ותמלול המקטע, על המטפל (או המדריך) לציין ליד כל מקטע את הממד בו הוא מצוי (פעולה, מחשבה, רגש, חוויה או הוויה). אמירות פשוטות ("אני יושב וקורא מאמר"; ממד הפעולה) ניתנות לקידוד ישיר. לעומת זאת, קידוד אמירות מורכבות יותר ("אני יושב וקורא מאמר, וחושב האם אני מבין את שכתוב בו... ובאותה עת ממש יש בי גם תחושה על סקרנות, אבל גם תחושה פנימית של בלבול וערפול...") דורש את השימוש ב-agent. ה-agent הוא דינמי, וניתן לדייק אותו תוך שיח ישיר, ואפילו "להתווכח" איתו עד להשגת קידוד ממדי מוסכם.
לאחר קידוד המקטע, על המטפל (או המדריך) לבחון האם תנועת הממדים בו נענית לעקרונות הממדים. לדוגמה, עליו לברר האם בכל אמירת מטפל יש ממד אחד דומיננטי? האם המטפל נמנע מ-"דילוג" על ממד? האם המטפל מפעיל גירוי מושכל כדי להניע את המטופל מממד לממד? האם בין המטופל למטפל מתקיימת משיכת-ממדים פורייה? והאם הטיפול אכן מגמיש את תנועת הממדים של המטופל? ה-agent מאפשר "לחשוב עם הבינה המלאכותית" על עיצוב התערבויות מדייקות יותר. לדוגמא, ניתן לבקש מה-agent להציע כיצד ניתן להשתמש באמירה מסוימת בממד אחר מהממד שבו נאמרה מלכתחילה. לאחר מכן, המטפל יוכל לבחון בחדר הטיפול את ההתערבויות המחודשות.
להלן דוגמא תמציתית לאופן שבו מודל הממדים מאפשר, תוך תמיכת מערכת בינה מלאכותית, לנתח, ולשכלל, מקטע טיפולי. הדוגמא מתייחסת למקטע מתוך שעה של פסיכותרפיה דינמית (שלושת העמודות הראשונות בטבלה למטה), שנבחרה על ידי המטפל נוכח שבר טיפולי שהתרחש בה. יש להדגיש כי המתואר הינו אילוסטרציה, ואין בו בכדי לזהות מטופל אמיתי.
לאחר הזנת המקטע הטיפולי הנבחר למערכת, נעשה שימוש במערכת מבוססת בינה מלאכותית לקידוד האמירות בקטע. באמצעות כללי הקידוד הממדיים למערכות בינה מלאכותית, קודדו האמירות של המטופל ושל המטפל. כל אמירה סווגה לקוד המתאים לה. אמירות שהמערכת לא הצליחה לסווג סומנו כ־"(חסר קידוד)". הטבלה שלהלן מציגה את המקטע הטיפולי שהוזן, בצירוף הקידוד על פי מודל הממדים, אשר נמצא בעמודה השמאלית.
בהתבסס על חמשת עקרונות המעבר הממדי, ניתן לזהות הפרה מפורשת של שני עקרונות. עקרון הרציפות, הקובע כי כאשר מתקיימת תנועה בין ממדים, עליה להיות מממד אחד לממד הסמוך לו, מופר בין אמירת המטופל "אכזבת אותי..." (אמירה מספר 5, ממד רגש) לבין תגובת המטפל "...אני חושב שזה קורה לך שוב... ככה אתה בעולם... אתה צריך משהו חיצוני שיחזיק אותך... ובכוחות עצמך, אתה פשוט לא יכול..." (אמירה מספר 6, ממד הוויה). זאת, מכיוון שהממד הסמוך לממד הרגש הינו ממד החוויה, ובהתערבותו המטפל "מדלג" עליו.
עקרון המשיכה ההדדית, הקובע שבמהלך הטיפול המטופל "מושך" את המטפל לממד בו הוא מצוי ולהפך, מופר לאורך כל המקטע. זאת מכיוון שהמטופל מציב את עצמו בעקביות בממד הרגש (אמירות 1, 5, 11), בעוד המטפל אינו מאפשר לעצמו "להישאב" לאותו ממד, ולמעט באמירה 2, מגיב בעקביות מתוך ממדי המחשבה וההוויה.
הפרה של שני עקרונות מעבר מזמינה חשיבה מאתגרת שמטרתה לנסח התערבויות מדויקות יותר. שוב, השימוש ב-agent מאפשר הצעה של אפשרויות שונות. הטבלה הבאה מציגה דיאלוג עם ה-agent, שמטרתו לדייק את התערבות המטפל, אשר עובר מממד הרגש (שבו מצוי המטופל) לממד ההוויה, תוך דילוג על ממד החוויה (אמירה 6). הטבלה כוללת את האמירה הרלוונטית, בקשתו של המטפל וההתערבות המוצעת על ידי ה-agent.
ההתערבות אותה מציע ה-agent "מניעה" את המטופל בין ממדיו. היא לא מותירה אותו ברגש (הממד הדומיננטי אותו מביא המטופל במקטע), אלא מגרה אותו לבחינת עולמו הפנימי (ממד החוויה). זאת, באופן זהיר הנמנע מהתערבות שעשויה להחוות כיומרנית (כפי שנתנה בתחילה, ועניינה היה ממד ההוויה).
מקרה הבוחן מדגים כיצד ניתן לרתום את הבינה המלאכותית למעש ההדרכתי-קליני. כל אמירה במקטע קודדה על פי מודל הממדים של הנפש (לממד הפעולה, המחשבה, הרגש, החוויה או ההוויה) באמצעות מערכת מבוססת בינה מלאכותית. ניתוח רצף הקידודים מגלה כי המטופל מבטא בעקביות חוויות רגשיות של כעס, תסכול ואכזבה, בעוד שהמטפל, לאחר תגובה רגשית קצרה בתחילת השיח, ממשיך להגיב מתוך ממדי המחשבה וההוויה ואינו מאפשר לעצמו "להימשך" אל הממד שבו מצוי המטופל. בכך מזוהות שתי הפרות של עקרונות המודל: ראשית, הפרת עקרון הרציפות, אשר נדרשת בעת מעבר בין ממדים, כאשר המטפל מדלג ישירות מרגש להוויה מבלי לעבור דרך ממד החוויה; ושנית, הפרת עקרון המשיכה ההדדית, שלפיו במהלך השיח על המטפל והמטופל למשוך זה את זה לממד שבו הם מצויים.
מעבר לאבחון הקושי שבמקטע, גויסה מערכת הבינה המלאכותית ליצירת התערבות חלופית למהלך הבעייתי. לבקשת המטפל, גיבשה המערכת ניסוח שיישאר נאמן לעקרון הרציפות וימשיך את דברי המטופל מתוך חוויה פנימית, בטרם ינוע לעבר ההוויה. כך הוצעה אמירה חלופית המכוונת לתחושת הריקנות והבדידות שהמטופל עשוי לחוש באותו רגע, במקום אמירה שעניינה המשגה קיומית רחבה. מהלך זה ממחיש כיצד שילוב בין תיאוריה דינמית ניתנת ליישום לבין מערכת בינה מלאכותית מאפשר לזהות בזמן אמת מעברים בין ממדים שאינם מיטביים, לדייק את התגובה הטיפולית ולשפר את ההבנה והעבודה עם השבר הטיפולי.
אף שמודל הממדים מספק מסגרת אופרציונלית ייחודית למימוש “נוסחת הקסם” (XAI+SDM=Psychotherapy-Δ), יש להכיר במגבלותיו. ראשית, המודל נשען על תיאוריה קלינית הנמצאת בתהליכי מחקר וטרם נתמכה במחקרים קליניים רחבי היקף. שנית, הפשטת מורכבויות נפשיות עמוקות לחמישה ממדים ועקרונות-מעבר עשויה שלא ללכוד את כל דקויות התהליך הטיפולי, במיוחד בטיפולים דינמיים מורכבים. בנוסף, שילוב מודל זה בתוך מערכות AI מעלה אתגרים אתיים ורגולטוריים (כגון פרטיות, אחריותיות והטיות אלגוריתמיות) המחייבים פיקוח הדוק ומנגנוני בקרה אנושיים (Human-in-the-loop). לבסוף, יש לזכור כי המודל מיועד לתמוך ולכוון מטפלים ולא להחליפם. הנוכחות החיה, ההכלה הרגשית והעיבוד הלא-מודע נותרים תחומים בהם הבינה המלאכותית איננה מהווה תחליף למטפל אנושי.
במאמר זה עסקנו במתח שבין בינה מלאכותית לבריאות הנפש. הפתרון המוצע הוא מודל Human-in-the-Loop שבו מערכות AI ניתנות להסבר (XAI) משולבות עם קבלת החלטות משותפת (SDM), במטרה לשמר את הנוכחות האנושית והאוטונומיה של המטופל. השילוב הודגם באמצעות מודל ממדי הנפש, המציע חמישה ממדים ועקרונות מעבר ברורים, המאפשרים להפוך רעיונות מופשטים לכלים אופרציונליים ולבנות סביבם מערכות AI טיפוליות בטוחות ומוסברות. מודעות למגבלות המודל, בהן הצורך במחקר תוצאות קליני, שמירה על מורכבות הנפש ופיקוח אתי ורגולטורי, חיונית כדי לפתח מערכות אחראיות שמסייעות למטפלים מבלי להחליפם.
פרופ' שלמה מנדלוביץ הוא פסיכיאטר, מנהל המרכז לבריאות הנפש "שלוותה". בעבר שימש כראש התוכנית לפסיכותרפיה בפקולטה לרפואה באוניברסיטת ת"א. ספריו (נפש במרחק נגיעה: מסע בפסיכותרפיה אנליטית, דיונון, 2005; על הסדר החברתי של העצמי־ים המרובים: לקראת פסיכואנליזה פוסט־פוסט־מודרנית, רסלינג, 2009; אני־יחיד־רבים: מרחב, תוכן וסדר בעולם העצמי־ים המרובים, ההוצאה האקדמית של אוניברסיטת ת"א, 2015; מחשבות מחדר הטיפול: 101 דברים שלמדתי מטיפול על החיים, הוצאה עצמאית, 2020) עוסקים בפסיכותרפיה דינמית ובממשקיה עם הפילוסופי והחברתי. פרופ' מנדלוביץ הוא ממקימי "אלומות: ידע, יצירה ומנהיגות בפסיכותרפיה".
מור, ב., סעד, ע., גור, ת.., ויהראוך, י., ילון, ש., לבון, ה., סעד, ס., מנדלוביץ, ש. ה־MATRIX: כלי מושגי לארגון תיאוריות ולחקר פסיכותרפיה פסיכודינמית. שיחות. 2021 35(2): 115-123
Amann, J., Blasimme, A., Vayena, E., Frey, D., Madai, V. I., & Precise4Q Consortium. (2020). Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC medical informatics and decision making, 20(1), 310
Auf, H., Svedberg, P., Nygren, J., Nair, M., & Lundgren, L. E. (2025). The Use of AI in Mental Health Services to Support Decision-Making: Scoping Review. Journal of Medical Internet Research, 27, e63548
Békés, V., & Hoffman, L. (2020). The “something more” than working alliance: authentic relational moments. Journal of the American Psychoanalytic Association, 68(6), 1051-1064
Buhr, E., Fischer, M., Biernetzky, O., Teipel, S., Gruber, O., & Schweda, M. (2025). Use of Artificial Intelligence in Psychiatric Research and Practice: A Qualitative Interview Study with Experts from Psychiatry, Computer Science and Philosophy in Germany. European psychiatry, 68(1), e105
Chandler, C., Foltz, P. W., & Elvevåg, B. (2022). Improving the applicability of AI for psychiatric applications through human-in-the-loop methodologies. Schizophrenia Bulletin, 48(5), 949-957
Chmielowska, M., Zisman-Ilani, Y., Saunders, R., & Pilling, S. (2023). Trends, challenges, and priorities for shared decision making in mental health: The first umbrella review. International Journal of Social Psychiatry, 69(4), 823-840
Combi, C., Amico, B., Bellazzi, R., Holzinger, A., Moore, J. H., Zitnik, M., & Holmes, J. H. (2022). A manifesto on explainability for artificial intelligence in medicine. Artificial Intelligence in Medicine, 133, 102423
Cruz-Gonzalez, P., He, A. W. J., Lam, E. P., Ng, I. M. C., Li, M. W., Hou, R., Chan, J. N. M., Sahni, Y., Guasch, N. V., Miller, T., Lau, B. W. M. & Vidaña, D. I. S. (2025). Artificial intelligence in mental health care: a systematic review of diagnosis, monitoring, and intervention applications. Psychological medicine, 55, e18
Eshel, O. (2019). The emergence of analytic oneness: Into the heart of psychoanalysis. Routledge
Eubanks, C. F. (2022). Rupture repair. Cognitive and behavioral practice, 29(3), 554-559
European Data Protection Supervisor. (2023). TechDispatch 2/2023: Explainable artificial intelligence (XAI). https://www.edps.europa.eu/system/files/2023-11/23-11-16_techdispatch_xai_en.pdf
Frances, A. (2025). Warning: AI chatbots will soon dominate psychotherapy. The British Journal of Psychiatry, 1-5
Joyce, D. W., Kormilitzin, A., Smith, K. A., & Cipriani, A. (2023). Explainable artificial intelligence for mental health through transparency and interpretability for understandability. pj Digital Medicine, 6(1), 6n
Markus, A. F., Kors, J. A., & Rijnbeek, P. R. (2021). The role of explainability in creating trustworthy artificial intelligence for health care: a comprehensive survey of the terminology, design choices, and evaluation strategies. Journal of biomedical informatics, 113, 103655
Mendlovic, S. (2025). Using an AI-Based System for Dimensional Deliberate Practice in Psychodynamic Psychotherapy. BRAIN. Broad Research in Artificial Intelligence and Neuroscience, 16(3), 449-463
Mertens, L., Vandenberghe, J., Bekkering, G., Hannes, K., Delvaux, N., Van Bostraeten, P., Jaeken, J., Aertgeerts, B., & Vermandere, M. (2025). Navigating Power Imbalances and Stigma in Mental Healthcare. Patient‐Reported Barriers and Facilitators to Participation in Shared Decision‐Making in Mental Health Care, a Qualitative Meta‐Summary. Health Expectations, 28(2), e70239
Putica, A., Khanna, R., Bosl, W., Saraf, S., & Edgcomb, J. (2025). Ethical decision-making for AI in mental health: the Integrated Ethical Approach for Computational Psychiatry (IEACP) framework. Psychological Medicine, 55, e213
Slade, M. (2017). Implementing shared decision making in routine mental health care. World psychiatry, 16(2), 146-153
Vitger, T., Korsbek, L., Austin, S. F., Petersen, L., Nordentoft, M., & Hjorthøj, C. (2021). Digital shared decision-making interventions in mental healthcare: a systematic review and meta-analysis. Frontiers in Psychiatry, 12, 691251
